協調的な人間の姿勢予測とは、過去のフレームで観測された複数の相互作用する人々の未来の姿勢を予測することを指します。2人の相互作用を個別に予測する代わりに、一緒に予測することで、身体間の運動相関性によりより良い性能が期待できます。しかし、このタスクはこれまで主に未探索のままでした。本論文では、人間の姿勢予測における進展をレビューし、2体協調運動予測において最も効果的な単一人実践方法について詳細な評価を行います。当研究では、周波数入力表現、時空間分離可能な相互作用隣接行列、および完全学習可能な相互作用隣接行列がエンコーダGCN（グラフ畳み込みネットワーク）とFC（全結合層）デコーダの符号化に肯定的な影響を与えることを確認しました。その他の単一人実践方法は2体には転用できないため、提案される最良の方法には階層的身体モデルや注意に基づく相互作用符号化は含まれていません。さらに、エンコーダの2体空間相互作用パラメータに対する新しい初期化手順を提供します。これにより性能と安定性が向上します。全体として、提案する2体姿勢予測の最良実践方法は最新のExPIデータセットにおいて既存手法よりも21.9%性能が向上し、そのうち新しい初期化手順による寄与は3.5%です。プロジェクトページはhttps://www.pinlab.org/bestpractices2bodyをご覧ください。